Python数据分析教程
-
Python数据分析 – 数据聚合与分组操作
数据聚合与分组操作 对数据集进行分类，并在每一组上应用一个聚合函数或转换函数，这通常是数据分析工作流中的一个重要部分。在载入、合并、准备数据集之……bigao 2021年7月29日
-
Python数据分析 – GroupBy机制
GroupBy机制 Hadley Wickham是许多流行R语言软件包的作者，他创造了用于描述组操作的术语拆分-应用-联合（split-apply-combine）。在操作的第一步，数据包含在……中天 2021年7月28日
-
Python数据分析 – 数据聚合
数据聚合 聚合是指所有根据数组产生标量值的数据转换过程。之前的例子已经使用了一些聚合操作，包括mean、count、min和sum等。 下表展示了优化的groupby方法。……喔28 2021年7月28日
-
Python数据分析 – 时间序列
时间序列 时间序列数据在很多领域都是重要的结构化数据形式，例如金融、经济、生态学、神经科学和物理学。在多个时间点观测或测量的数据形成了时间序列。许多……啊Q 2021年7月28日
-
Python数据分析 – 数据透视表与交叉表
数据透视表与交叉表 数据透视表是电子表格程序和其他数据分析软件中常见的数据汇总工具。它根据一个或多个键聚合一张表的数据，将数据在矩形格式中排列，其中…… -
Python数据分析 – 日期和时间数据的类型及工具
日期和时间数据的类型及工具 Python标准库包含了日期和时间数据的类型，也包括日历相关的功能。datetime、time和calendar模块是开始处理时间数据的主要内容。d……田田 2021年7月28日
-
Python数据分析 – 日期范围、频率和移位
日期范围、频率和移位 pandas的通用时间序列是不规则的，即时间序列的频率不是固定的。经常有需要处理固定频率的场景，例如每日的、每月的或每15分钟，这意味…… -
Python数据分析 – 时间序列基础
时间序列基础 pandas中的基础时间序列种类是由时间戳索引的Series，在pandas外部则通常表示为Python字符串或datetime对象： 在这种情况下，这些datetime对象…… -
Python数据分析 – 时区处理
时区处理 处理时区通常是时间序列操作中最不愉快的部分。因此，很多时间序列用户选择世界协调时间或UTC，它是格林尼治时间的后继者，也是目前的国际标准。时区……丹青 2021年7月28日
-
Python数据分析 – 时间区间和区间算术
时间区间和区间算术 时间区间表示的是时间范围，比如一些天、一些月、一些季度或者是一些年。 在这个例子中，Period对象表示的是从2007年1月1日到2007年12月3……无卤 2021年7月28日
-
Python数据分析 – 重新采样与频率转换
重新采样与频率转换 重新采样是指将时间序列从一个频率转换为另一个频率的过程。将更高频率的数据聚合到低频率被称为向下采样，而从低频率转换到高频率称为向…… -
Python数据分析 – 移动窗口函数
移动窗口函数 统计和其他通过移动窗口或指数衰减而运行的函数是用于时间序列操作的数组变换的一个重要类别。这对平滑噪声或粗糙的数据非常有用。称这些函数为…… -
Python数据分析 – 高阶pandas
高阶pandas 之前的章节关注于介绍不同类型的数据规则工作流以及NumPy、pandas和其他类库的特征。随着时间的推移，pandas已经开发了用于助力用户的深度特征。本……yiyan 2021年7月28日
-
Python数据分析 – 分类数据
分类数据 本节会介绍pandas的Categorical类型。将展示在使用pandas进行某些操作时如何获得更好的性能和内存使用。还会介绍一些在统计和机器学习应用中使用分类…… -
Python数据分析 – Python建模库介绍
Python建模库介绍 专注于提供一个用Python做数据分析的编程基础。因为数据分析师和科学家经常在数据规整和准备上花费大量的时间，本文的结构反映了精通这些技…… -
Python数据分析 – 方法链技术
方法链技术 在向数据集应用一系列变换时，可能会发现自己创建了许多临时变量，而这些变量在分析中从未使用过。例如，考虑以下例子：df = load_data() 尽管在……小杜 2021年7月28日
-
Python数据分析 – 高阶GroupBy应用
高阶GroupBy应用 在前面深入讨论了在Series和DataFrame使用groupby方法，但仍然有一些额外的方法可能会用到。 1、分组转换和“展开”GroupBy 前面，在分组操作中……阿喜 2021年7月28日
-
Python数据分析 – pandas与建模代码的结合
pandas与建模代码的结合 使用pandas用于数据载入和数据清洗，之后切换到模型库去建立模型是一个常见的模型开发工作流。在机器学习中，特征工程是模型开发的重…… -
Python数据分析 – statsmodels介绍
statsmodels介绍 statsmodels是一个Python库，用于拟合多种统计模型，执行统计测试以及数据探索和可视化。statsmodels包含更多的“经典”频率学派统计方法，而贝…… -
Python数据分析 – 使用sklearn转换器处理数据
使用sklearn转换器处理数据 sklearn 提供了 model_selection 模型选择模块、preprocessing 数据预处理模块与decompisition特征分解模块。通过这3个模块能够实……老王 2021年7月28日
-
Python数据分析 – 构建并评价聚类模型
构建并评价聚类模型 聚类分析是在没有给定划分类别的情况下，根据数据相似度进行样本分组的一种方法。聚类模型可以将无类标记的数据聚集为多个簇，视为一类，…… -
Python数据分析 – 构建并评价回归模型
构建并评价回归模型 回归算法的实现过程与分类算法类似，原理相差不大。分类和回归的主要区别在于，分类算法的标签是离散的，但是回归算法的标签是连续的。回…… -
Python数据分析 – 构建并评价分类模型
构建并评价分类模型 分类是指构造一个分类模型，输入样本的特征值，输出对应的类别，将每个样本映射到预先定义好的类别。分类模型建立在已有类标记的数据集上…… -
Python数据分析 – 高阶ufunc用法
高阶ufunc用法 虽然许多NumPy用户只会使用通用函数提供的按元素操作，但还有一些额外的功能偶尔可以帮助编写更简洁的代码而无须循环。 1、ufunc实例方法 NumPy…… -
Python数据分析 – 广播
广播 广播描述了算法如何在不同形状的数组之间进行运算。它是一个强大的功能，但可能会导致混淆，即使对于有经验的用户也是如此。最简单的广播示例发生在将标……